基于tidyverse高效计算数据集中每行符合条件的列数

核心思路：用向量化操作替代rowwise #

rowwise本质是逐行循环，数据量大时效率低下。改用across+rowSums的向量化组合，既能保持tidy风格，又能大幅提升速度，同时避免代码冗余。

单组条件实现 #

针对你示例中的条件（匹配20或24），可以这样写：

library(tidyverse)

sample <- tibble(
  subjectNum = 1:10,
  var1 = c(20, 24, 20, 1, 24, 27, 7, 21, 20, 3),
  var2 = c(24, 20, 7, 19, 12,  8,  8, 10, 22, NA),
  var3 = c(NA, NA, 24, 20, NA, 20,  9,  3, 24, NA),
  desired_output = c(2, 2, 2, 1, 1, 1, 0, 0, 2, 0)
)

# 单组条件统计
sample_calc <- sample %>%
  mutate(
    output = rowSums(across(starts_with("var"), ~ .x %in% c(20, 24)), na.rm = TRUE)
  )

all(sample_calc$output == sample_calc$desired_output) # 返回TRUE

这里across(starts_with("var"))批量选中所有目标变量，~ .x %in% c(20,24)对每个变量生成逻辑向量，rowSums直接对每行的逻辑值求和（TRUE=1，FALSE=0），全程向量化，比rowwise快数倍。

多组条件批量处理 #

如果有十多组条件，把条件整理成命名列表，用purrr::map批量生成统计列，避免重复代码：

# 定义多组条件（可从外部文件读取后转换为这种格式）
condition_list <- list(
  cond_20_24 = c(20, 24),
  cond_1_3 = c(1, 3),
  cond_7_8 = c(7, 8)
)

# 批量生成统计列
sample_multi <- sample %>%
  mutate(
    across(
      all_of(names(condition_list)),
      ~ rowSums(across(starts_with("var"), .fns = function(x) x %in% condition_list[[.col]]), na.rm = TRUE)
    )
  )

# 查看结果
sample_multi %>% select(subjectNum, starts_with("cond_"))

这样每组条件对应一个新列，代码完全复用，不会冗余。

从外部文件读取条件 #

如果条件存储在外部文件（比如CSV），先读取并转换为命名列表：

# 假设外部CSV格式：condition_name, codes（codes为逗号分隔的数字，如"20,24"）
# condition_df <- read_csv("conditions.csv")

# 模拟外部数据
condition_df <- tibble(
  condition_name = c("cond_20_24", "cond_1_3", "cond_7_8"),
  codes = c("20,24", "1,3", "7,8")
)

# 转换为命名列表
condition_list <- condition_df %>%
  mutate(codes = str_split(codes, ",") %>% map(as.numeric)) %>%
  deframe() # 把两列转换为命名列表（名称=condition_name，值=codes）

# 之后用上面的批量处理代码即可

为什么不用pivot_longer？ #

你提到需要维持原有数据结构，上述方案全程保持宽表格式，不需要转长再转宽，完美符合需求。

效率对比 #

针对5个变量、数千行数据的场景：

• rowwise方案：逐行循环，时间复杂度O(n*k)（n=行数，k=变量数）
• 向量化方案：rowSums是底层C实现，时间复杂度接近O(n)，速度提升明显

内容的提问来源于stack exchange，提问作者TCAL